fix(openalex): пауза между страницами и живой backoff — заливка тонула в 429

Массовый запуск показал: лимит вежливого пула OpenAlex (10 req/s) общий на
mailto, а не на процесс. Четыре воркера с паузой 0.1с получали сплошные 429,
и каждый прогон уходил в 900с бесполезного backoff, не забрав ничего.

- RATE_LIMIT_DELAY 0.1 → 1.0с (≈4 req/s на четырёх воркерах);
- backoff спит кусками по 5с и отчитывается через progress_cb: прогон больше
  не выглядит зависшим в админке и отменяется во время ожидания, а не после.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

README.md

@@ -232,7 +232,7 @@ docker compose -f docker-compose.prod.yml --profile observability up -d promethe
 
 1. **Линт** — `ruff` (весь Python) + `mypy` (чистая доменная логика).
    Конфиги: [`ruff.toml`](ruff.toml), [`mypy.ini`](mypy.ini).
-2. **Юнит-тесты** — `pytest` по сервисам: 130 тестов на ядро детекции, скоринга,
+2. **Юнит-тесты** — `pytest` по сервисам: 132 теста на ядро детекции, скоринга,
    парсеров, форматирования, OAuth и прогресса заливки, без внешней инфры
    (БД/Redis/GPU/Ollama замоканы либо не нужны).
 
@@ -262,7 +262,7 @@ make test-one SVC=worker-gost    # тесты одного сервиса
 | Итоговый % плагиата + цитаты | `worker-gpu/app/scoring.py` | 18 |
 | ГОСТ 7.1 / 7.0.5 | `worker-gost/app/formatters/` | 17 |
 | Список литературы | `worker-gost/app/bibliography.py` | 7 |
-| Парсеры источников (CyberLeninka, PMC, прогресс-колбэк) | `scripts/parsers/` | 17 |
+| Парсеры источников (CyberLeninka, PMC, прогресс-колбэк) | `scripts/parsers/` | 19 |
 | OAuth-ссылки (Google/Яндекс) | `api/app/core/oauth.py` | 6 |
 | Прогресс заливки (счётчики, бюджет) | `worker-indexer/app/progress.py` | 7 |
 | Шкала загрузки источников | `api/app/core/progress.py` | 7 |

scripts/parsers/openalex.py

@@ -21,6 +21,35 @@ logger = logging.getLogger(__name__)
 
 OPENALEX_API = "https://api.openalex.org"
 DEFAULT_EMAIL = "noreply@jze9.ru"  # Для вежливого агента
+# Пауза между страницами. Лимит вежливого пула — 10 запросов/сек НА ВЕСЬ ключ
+# (mailto), а не на процесс: четыре воркера, качающие разные источники, делят
+# его между собой. С прежними 0.1с массовая заливка утыкалась в сплошные 429 и
+# каждый прогон уходил в 900с бесполезного backoff. 1с × 4 воркера ≈ 4 req/s.
+RATE_LIMIT_DELAY = 1.0
+# Backoff режем на куски: во время сна парсер обязан отчитываться о жизни,
+# иначе прогон выглядит зависшим и его нельзя отменить из админки.
+BACKOFF_TICK_S = 5.0
+
+
+def _sleep_alive(
+    seconds: float, progress_cb: ProgressCallback | None, fetched: int
+) -> bool:
+    """Поспать, отчитываясь о жизни; False — попросили остановиться.
+
+    Минуты сна в backoff нельзя проводить молча: для админки такой прогон
+    неотличим от зависшего, а отмена не сработает до конца ожидания.
+    """
+    if progress_cb is None:
+        time.sleep(seconds)
+        return True
+
+    left = seconds
+    while left > 0:
+        time.sleep(min(BACKOFF_TICK_S, left))
+        left -= BACKOFF_TICK_S
+        if not progress_cb(fetched):
+            return False
+    return True
 
 
 class OpenAlexParser(BaseParser):
@@ -74,6 +103,7 @@ class OpenAlexParser(BaseParser):
             year_to=year_to,
             type_filter=type_filter,
             open_access_only=open_access_only,
+            progress_cb=progress_cb,
         ):
             results.extend(page)
             if progress_cb and not progress_cb(min(len(results), limit)):
@@ -93,6 +123,7 @@ class OpenAlexParser(BaseParser):
         year_to: int | None,
         type_filter: str,
         open_access_only: bool = False,
+        progress_cb: ProgressCallback | None = None,
     ) -> Generator[list[dict], None, None]:
         """Cursor-based пагинация OpenAlex."""
         cursor = "*"
@@ -155,8 +186,7 @@ class OpenAlexParser(BaseParser):
                 if not cursor:
                     break
 
-                # Rate limiting: 10 запросов/сек без ключа
-                time.sleep(0.1)
+                time.sleep(RATE_LIMIT_DELAY)
 
             except httpx.HTTPStatusError as e:
                 logger.error(f"OpenAlex HTTP ошибка: {e.response.status_code}")
@@ -173,7 +203,9 @@ class OpenAlexParser(BaseParser):
                     # лимиту освободиться, каждый воркер продлевал блокировку сам.
                     wait = 60 * (2 ** (rate_limit_retries - 1))
                     logger.warning(f"Rate limit! Попытка {rate_limit_retries}/{MAX_RATE_LIMIT_RETRIES}, ждём {wait}с...")
-                    time.sleep(wait)
+                    if not _sleep_alive(wait, progress_cb, total_fetched):
+                        logger.info("OpenAlex: ожидание прервано по запросу")
+                        break
                     continue
                 break
             except Exception as e:

scripts/parsers/tests/test_progress_cb.py

@@ -7,7 +7,9 @@
 
 from typing import Any
 
+import openalex
 from cyberleninka import CyberLeninkaParser
+from openalex import _sleep_alive
 
 
 class FakeResponse:
@@ -66,3 +68,26 @@ def test_fetch_works_without_callback(monkeypatch):
     """Скрипты заливки зовут парсеры без progress_cb — поведение прежнее."""
     p = _parser(monkeypatch)
     assert len(p.fetch(query="x", limit=20)) == 20
+
+
+def test_backoff_sleep_reports_life_and_can_be_interrupted(monkeypatch):
+    """Минуты ожидания в backoff OpenAlex — не молчание: тик и шанс остановиться."""
+    slept: list[float] = []
+    monkeypatch.setattr(openalex.time, "sleep", lambda s: slept.append(s))
+    monkeypatch.setattr(openalex, "BACKOFF_TICK_S", 5.0)
+
+    ticks: list[int] = []
+    assert _sleep_alive(20, lambda n: ticks.append(n) or True, fetched=7) is True
+    assert sum(slept) == 20 and ticks == [7, 7, 7, 7]
+
+    slept.clear()
+    # Останавливаемся на первом же тике — не досыпая оставшиеся 900с
+    assert _sleep_alive(900, lambda n: False, fetched=7) is False
+    assert sum(slept) == 5
+
+
+def test_backoff_sleep_without_callback_just_sleeps(monkeypatch):
+    slept: list[float] = []
+    monkeypatch.setattr(openalex.time, "sleep", lambda s: slept.append(s))
+    assert _sleep_alive(60, None, fetched=0) is True
+    assert slept == [60]